La matèria Data Analysis Tools té com a finalitat capacitar als alumnes per a realitzar amb solvència anàlisis qualitatius i quantitatius de conjunts de dades. El curs prepararà als alumnes per a ser capaços de dur a terme diferents accions sobre conjunts de dades, tals com extraure dades estadístiques rellevants a través de tècniques exploratòries, combinar diferents conjunts, i representar los de forma visualment intuitiva per al seu anàlisi en més detall i profunditat. Durant el transcurs de la matèria l'alumne aprendrà a utilitzar R, el llenguatge de programació que permetrà dur a terme les accions definides, dotant així l'assignatura d'una forta component pràctica. S'utilitzaran diferents conjunts de dades provinents del món real per a que l'alumne pugui percebre el pragmatisme de la temàtica proposada i entendre el tipus de casos d'ús als que el temari impartit pretén donar solució.
Professors Titulars
Professors Docents
cap
Els Resultats d'Aprenentatge d'aquesta assignatura són: R1. Capacitat de realitzar análisis estadístics de conjunts de dades R2. Capacitat de combinar conjunts de dades R3. Capacitat bàsica de programació en R R4. Capacitat de rear representacions gràfiques (visualitzacions) rellevants de conjunts de dades
1. Dades i estadística 1.1. Estadística descriptiva 1.2. Introducció a R 1.3. Anàlisi exploratori de dades 2. Combinació de conjunts de dades 2.1. Concatenació de dades 2.2. Join de dades 2.3. Combinació de conjunts de dades en R 3. Visualització de dades 3.1. Introducció 3.2. Dimensions, mètriques i indicadors 3.3. Tipus de visualitzacions 3.4. Quadre de comandament 3.5. Eines de visualització de dades
L'assignatura té un funcionament setmanal amb dues sessions lectives, una d'una hora i una de dues. Aproximadament la meitat de les hores lectives seran magistrals i l'altra meitat tindran una component pràctica o orientada a resoldre exercicis que permetin reforçar les capacitats dels alumnes. Cada dos o tres setmanes es proposaran exercicis a realitzar a casa i que formaran part essencial de l'avaluació contínua (més informació a l'apartat corresponent). Aquests exercicis estaran orientats a consolidar els coneixements de l'assignatura i a preparar l'alumne tant pels examens com per al projecte. També ajudaran a l'alumne a entendre l'aplicabilitat del temari de l'assignatura.
L’assignatura té una durada d’un semestre i es divideix en dues parts que es complementen mútuament: una part teòrica i una de pràctica, que es realitza mitjançant un projecte en grup. Per aprovar l’assignatura, l’estudiant ha de superar tant la part teòrica (examen final) com l’avaluació pràctica (projecte en grup).
La nota final de l’assignatura es compon dels següents percentatges:
- Exàmens: 45% (Gran importància)
- Examen parcial: 20%
- Examen final: 25%
- Projecte en grup: 20%
- Avaluació contínua: 35% (Menor importància)
- Assistència i participació a classe: 15%
- Tasques i deures: 20%
Política de reavaluació: Aquesta assignatura no té examen de recuperació. Els estudiants que no assoleixin una nota mitjana de 5 hauran de cursar l’assignatura de nou l’any següent.
Ús d’eines d’IA: No es permet l’ús d’eines d’IA durant els exàmens de gran importància. Si s’utilitzen eines d’IA en altres activitats, els estudiants hauran de demostrar que milloren significativament el resultat generat pel chatbot per obtenir una nota superior a 0.
--
Hadley Wickham & Garrett Grolemund, R For Data Science, O'REILLY, 2017 Jonas Holt, Sets of Data. Where We re Going. Where We ve Been. Contents. Statistics in Action. Using Technology, 2017.
Diez, D. M., Barr, C. D., & Cetinkaya-Rundel, M. (2012). OpenIntro statistics (Vol. 4). Boston, MA, USA:: OpenIntro
R for Data Science (2e) by Hadley Wickham, Mine Çetinkaya-Rundel, & Garrett Grolemund.